عنوان گروه خبري / بیمه اتکائی . گزارش . مدیریت ریسک . نوآوری و فن‌آوری بیمه . مدیریت بیمه .
  • ساعت : ۰۹:۰۲
  • تاريخ :
     ۱۴۰۵/۰۷/۱۱ 
  • تعداد بازدید : 66
پایانِ عصر پیش‌بینی‌پذیری؛ چرا بیمه‌گران اتكایی باید قوانین بازی را تغییر دهند؟
ترجمه، تدوین و ویراستاری: دفتر پایگاه خبری تازه‌های بیمه ایران و جهان
گزارش جامع مؤسسه «ارنست‌ اند یانگ» از پایان عصر پیش‌بینی‌پذیری در صنعت بیمه اتکایی خبر می‌دهد. بر اساس این گزارش، در بازاری که با وفور سرمایه، ریسک‌های پرشتاب و دگرگونی‌های هوش مصنوعی دست‌وپنج نرم می‌کند، رهبران آینده دیگر نه با تکیه بر قضاوت‌های سنتی، بلکه تنها از طریق «سازگاری راهبردی» و «سرعت در تصمیم‌گیری» قادر به حفظ جایگاه خود خواهند بود. این تحلیل نشان می‌دهد که شرکت‌های بیمه اتکایی برای بقا و پیشگامی در این فضای پرنوسان، باید از مدل‌های سنتی عبور کرده و به سمت عملیات‌های چابک و هوشمند حرکت کنند.

گزارش جدید شرکت خدمات حرفه‌ای «ارنست‌اندیانگ» (EY)[1] نشان می‌دهد که با وجود سودآوری چشمگیر از زمان چرخش بازار به سمت «بازار سخت»[2] در سال ۲۰۲۲، صنعت بیمه اتکایی به‌سرعت در حال رسیدن به «پایان دوران پیش‌بینی‌پذیری[3]» است.

در بازاری که با وفور سرمایه، تغییر نیازهای شرکت‌های واگذارنده[4]، ریسک‌های پرشتاب و تحول‌آفرینی هوش مصنوعی دست‌وپنج نرم می‌کند، رهبران آینده این صنعت دیگر نمی‌توانند تنها به قضاوت‌های سنتی در بیمه‌گری[5] و مدیریتِ منظم چرخه‌های بازار تکیه کنند؛ بلکه «سازگاری راهبردی»[6] و «سرعت در تصمیم‌گیری»[7] به مؤلفه‌های اصلی تمایز آن‌ها تبدیل خواهد شد.

افت نرخ‌ها، وفور ظرفیت‌های پذیرش ریسک و ظهور ریسک‌های مدل‌سازی‌نشده[8]، کارآمدی ابزارهای سنتی انتقال ریسک[9] را به چالش کشیده است.

تحلیلگران «ارنست‌اندیانگ» تشریح می‌کنند: «مدل‌های تاریخی و دسته‌بندی‌های سنتی بیمه‌گری دیگر کارایی ندارند؛ چراکه شرکت‌های واگذارنده برای مقابله با طوفان‌های غیرقابل‌پیش‌بینی، منازعات ژئوپلیتیک، تهدیدات فزاینده سایبری[10]، ریسک‌های متمرکز فناوری و سرمایه‌گذاری‌های عظیم زیرساختی، نیازمند پوشش‌های جدید هستند.»

آن‌ها می‌افزایند: «در همین حال، انبوه سرمایه، ساختارهای نوینِ انتقال ریسک و ورود بازیگران تخصصی، رویکردها را در شناسایی، تأمین مالی و توزیع ریسک تغییر داده است.»

یکی از موتورهای محرک این تغییر، تحول در ماهیت سرمایه است. جریان ورود «سرمایه‌های جایگزین»[11] – شامل سرمایه‌گذاری‌های خصوصی[12]، صندوق‌های ثروت ملی و مدیران دارایی‌های جایگزین – اکنون به بخشی جدایی‌ناپذیر از جریان اصلی تبدیل شده است. برخلاف چرخه‌های پیشین که در آن‌ها تمرکز سرمایه‌های جایگزین صرفاً بر ریسک‌های فاجعه‌بار[13] بود، سرمایه‌گذاران نهادی[14] اکنون در حال توزیع سرمایه در طیف گسترده‌تری از طبقه‌های ریسک هستند.

تا پایان سه‌ماهه نخست سال ۲۰۲۶، سرمایه اشخاص ثالث[15] عمدتاً به پشتوانه اوراق بهادار فاجعه[16]، به رقمِ بی‌سابقه ۱۴۱ میلیارد دلار رسید. ظرفیت‌های سایدکار[17] نیز ضمن حفظ ثبات، نشانه‌هایی از رشد را بروز داده‌اند.

همزمان، کارگزاران بیمه[18] با فراتر رفتن از نقش‌های سنتی خود در جانمایی ریسک، پویایی‌های بازار را بازتعریف می‌کنند. آن‌ها با حضور در فرآیندهای تأمین سرمایه، ارائه خدمات مشاوره‌ای سفارشی و ساختاربندی محصولات[19]، شرکت‌های اتکایی را ناگزیر می‌سازند تا به‌جایِ ارائه پوشش‌های ترازنامه‌ایِ عمومی، ظرفیت‌های ارزش‌افزوده و سفارشی‌تری عرضه کنند.

در حالی که سرمایه‌گذاری‌های اولیه صنعت در حوزه هوش مصنوعی عمدتاً بر کاهش هزینه‌های اداری متمرکز بود، «ارنست‌اندیانگ» معتقد است که ارزش واقعی این فناوری در «کوتاه‌سازی چرخه‌های تصمیم‌گیری[20]» نهفته است. صنعت بیمه به جای تعدیل گستردۀ نیروی کار، در حال گذار به سمت تقسیم کار میان «عامل‌های هوشمند»[21] و متخصصان انسانی است.

در عملیات روزمره، مدیران پورتفو با بهره‌گیری از تحلیل‌های تعبیه‌شده و مدل‌سازی پویای ریسک، محدودیت‌های تعهدات و نرخ‌گذاری‌ها را به‌صورت آنی بازتنظیم می‌کنند و دیگر منتظر گزارش‌های سه‌ماهه نمی‌مانند. در همین حال، «خودکارسازی» مبتنی بر قوانین و سامانه‌های هوش مصنوعی «عامل‌محور»[22]، تأیید پیشنهادهای استاندارد و پارامتریک را بر عهده می‌گیرند و به ارزیابان ریسک فرصت می‌دهند تا بر ریسک‌های پیچیده و مذاکرات حساس تمرکز کنند.

مدیریت خسارت نیز در آستانه تحولی مشابه است؛ گذار از پردازشِ دستیِ اسناد به «تریاژ خودکار»[23] و «تشخیص ناهنجاری»[24] که چرخه‌های پرداخت خسارت را به‌طور قابل‌توجهی سرعت می‌بخشد. «ارنست‌اند‌یانگ» تأکید می‌کند که در تمامی این تحولات، «هدایت انسانی»[25] در حوزه‌هایی که نیازمند مذاکره، مدیریت روابط و ساختاربندی‌های اختصاصی هستند، همچنان نقشی حیاتی دارد.

تحلیلگران این گزارش تصریح کردند: «هوش مصنوعی و تحلیل‌های پیشرفته برای فشرده‌سازی چرخه‌های تصمیم‌گیری حیاتی هستند، اما مسئولیت تصمیمات کلیدی همچنان با انسان است. بنابراین، فرهنگ سازمانی و رهبری، نقشی تعیین‌کننده در نهادینه‌سازی سازگاری راهبردی دارد. نظام‌های انگیزشی و تشویقی باید همزمان نظم در بیمه‌گری و نوآوری را پاداش دهند.»

آن‌ها افزودند: «مدل‌های جبران خدمات و مسیرهای شغلی باید برای تطبیق با گسترش مشارکت‌ها، زیست‌بوم‌‌ها و خدمات مبتنی بر کارمزد، بازنگری شوند. مرزهای سنتی و موانع سازمانی باید با اهداف کلانی همچون خلق ارزش بلندمدت، هم‌سو شوند.»

این گزارش هشدار می‌دهد که استفاده‌های جزیره‌ای از هوش مصنوعی، پاسخگوی نیاز مدیران ارشد و هیئت‌مدیره‌ها نخواهد بود. برای دستیابی به یک «مدل عملیاتی چابک»[26] که بتواند از دل تلاطم‌های بازار عبور کند، شرکت‌های بیمه اتکایی باید زیربناهای خود را در چهار حوزه تقویت کنند: معماری یکپارچه داده[27]، زیرساخت‌های ابری، نوسازی سامانه‌های اصلی و «حکمرانی هوش مصنوعی»[28].

در پایان، گزارش ارنست‌اندیانگ این‌گونه نتیجه‌گیری می‌کند، «در محیطی که شرایط بازار، الگوهای اقلیمی و تخصیص سرمایه سریع‌تر از هر زمان دیگری در حال نوسان است، رهبران بازارِ آینده، آن دسته از شرکت‌های اتکایی خواهند بود که «توانایی تبدیل سیگنال‌های بازار به عمل را سریع‌تر از رقبا داشته باشند.»


[1] Ernst&Young

[2] Hard Market

[3] Predictability

[4] Cedant

[5] Underwriting Judgment

[6] Strategic Adaptability

[7] Faster Decision-making

[8] Non-modelled Risk

[9] Risk Transfer Tool

[10] Cyber Exposure

[11] Alternative Capital

[12] Private Equity

[13] Catastrophe Risk

[14] Institutional Investor

[15] Third-party Capital

[16] Cat Bonds

[17] Sidecar Capacity: ظرفیت‌های سایدکار یا جانبی، به ظرفیتِ معاملاتیِ ارائه‌شده از طریق «نهادها با هدف ویژه» (Special Purpose Vehicles - SPVs) اشاره دارد. این ساختارهای مالی توسط شرکت‌های بیمه اتکایی (بانی) ایجاد می‌شوند تا به سرمایه‌گذاران شخص ثالث اجازه دهند بخشی از ریسک‌های «بیمه‌گری» را در یک پورتفوی خاص، در قبال دریافت سهمی از «حق‌بیمه‌ها» و سود حاصله، بر عهده بگیرند. این ابزار به شرکت‌های اتکایی امکان می‌دهد تا بدون تکیه بر سرمایه ترازنامه اصلی، ظرفیتِ پذیرش ریسک خود را افزایش دهند.

[18] Insurance Brokers

[19] Product Structuring

[20] Decision Lifecycle

[21] Intelligent Agent

[22] Agentic AI:‌ هوش مصنوعی عامل‌محور، نسل پیشرفته‌ای از سیستم‌های هوشمند است که برخلاف هوش مصنوعی رایج و واکنشی (مانند مدل‌های متنی ساده که تنها به ورودی یا دستور کاربر پاسخ مستقیم می‌دهند)، دارای «خودمختاری»، «قدرت برنامه‌ریزی» و «توانایی اقدام» است. این سیستم‌ها می‌توانند یک هدف کلی را دریافت کرده، آن را به گام‌های اجرایی خرد تقسیم کنند، از ابزارهای بیرونی (مثل مرور وب یا اجرای کد) کمک بگیرند و با ارزیابی مداوم نتایج، مسیر خود را تا رسیدن به هدف نهایی اصلاح و هدایت کنند.

[23] Automated Triage: تریاژ خودکار به فرآیندی هوشمند در مدیریت خسارت گفته می‌شود که در آن، پرونده‌های خسارت بلافاصله پس از ثبت، توسط سامانه‌های تحلیل‌گر دسته‌بندی و اولویت‌بندی می‌شوند. در این فرآیند، سامانه با ارزیابیِ سطحِ پیچیدگی، فوریتِ رسیدگی و غربالگری ریسک‌های مشکوک (از جمله تقلب)، پرونده‌های ساده و استاندارد را به‌طور خودکار به مسیر پرداختِ بی‌واسطه (Straight-Through Processing) هدایت کرده و پرونده‌های پیچیده یا نیازمندِ بررسیِ دقیق‌تر را برای رسیدگیِ تخصصی به کارشناسان انسانی ارجاع می‌دهد.

[24] Anomaly Detection

[25] Human Stewardship

[26] Agile Operating Model

[27] Unified data architecture

[28] AI Governance

منبع خبر
منبع: ارنست اند یانگ (پایگاه خبری ری‌انشورنس)، تاریخ انتشار: ۵ مهرماه ۱۴۰۵ (۲۸ سپتامبر ۲۰۲۶)
امتیاز :  ۰/۰۰ |  مجموع :  ۰

برچسب ها

    V6.4.0.0